非线性有限元课程报告选编.doc

《非线性有限元》课程报告 PAGE  PAGE 11 《非线性有限元》课程报告 1 非线性问题的求解方法 无论是哪一类非线性问题，经过有限元离散后,它们都归结为求解一个非线性代数方程组： …… 其中：,……是未知量，,……是,……的非线性函数，现引用矢量记号 ? 上述方程组可表示为： 还可以将它改写为： 是一个的矩阵，其元素是矢量的函数，为已知矢量。在位移有限元中，代表未知的结点位移，是等效结点力，为等效结点荷载，方程表示结点的平衡方程。 在线弹性有限元中，线性代数方程组可以毫无困难地求解，但对非线性方程组则不行。一般来说，难以求得其精确解，通常采用数值解法，把非线性问题转化为一系列线性问题。为了使这一系列线性解收敛于非线性解，曾经有过许多方法，但这些解法都有一定的局限性。某一解法对某一类非线性问题有效，但对另一类问题可能不合适。因而，根据问题性质正确选用求解方法成为非线性有限元的一个极重要的问题。 1.1 直接迭代法 目前求解非线性方程组的方法一般为线性化方法。若对总荷载进行线性化处理，则称为迭代法。 对非线性方程组： 1-1 设其初始的近似解为，由此确定近似的矩阵，根据式1-1可得出改进的近似解。重复这一过程，以第次近似解求出第次近似解的迭代公式为： 1-2 直到Δ变得充分小，即近似解收敛时，终止迭代。在迭代过程中，得到的近似解一般不会满足式1-1，即。作为对平衡偏离的一种度量，称为失衡力。 对于一个单变量问题的非线性方程，为凸曲线时，直接迭代法的计算过程如图1-1所示，可以看出就是过曲线上点与原点的割线斜率。对于单变量问题，这一迭代过程是收敛的，但对多自由度情况，由于未知量通过矩阵耦合，迭代过程可能不收敛。同样可以得出为凹曲线时的情况。 图1-1 为凸曲线 1.2 Newton-Raphson方法 Newton—Raphson方法是求解非线性方程组 1-3 的一个著名方法，简称Newton法。 设为具有一阶导数的连续函数，是方程1-3的第次近似解。若，希望能找到一个更好的、方程1-3的近似解为 Δ 1-4 将式1-4代入式1-3，并在附近按一阶Taylor级数展开，则在处的线性近似公式为Δ。 其中， 。 引入记号：。 假定为真实解，则由，解出修正量为： 1-5 由于这样确定的仅考虑了Taylor级数的线性项，因而按式1-4和1-5求出的新解仍然是近似解。这样，Newton法的迭代公式可归纳为： Δ 1-6 对于单变量的非线性问题是曲线上通过点的切线斜率。Newton法的收敛性是好的，但对某些非线性问题，如理想塑性和塑性软化问题，在迭代过程中可能是奇异或病态的，于是的求逆就会出现困难。为此，可引入一个阻尼因子，使矩阵或者成为非奇异的，或者使它的病态减弱。这里为阶的单位矩阵。的作用是改变矩阵主对角线元素不占优的情况。当变大时，收敛速度变慢，当→0时，收敛速度最快。引入后，将用下式代替式1-5 1-7 1.3 修正的Newton-Raphson法 采用直接迭代法和Newton法求解非线性方程组时，在迭代过程的每一步都需要重新计算。如将Newton法迭代公式中的改用初始矩阵，就成了修正的Newton-Raphson法。此时，仅第一步迭代需要完全求解一个线性方程组，并将三角分解后的存贮起来，以后的每一步迭代都采用公式： 1-8 这样，只需按式1-8右端的进行回代即可。修正的Newton法的每一步迭代所用的计算时间较少，但迭代的收敛速度降低。为了提高收敛速度，可引入过量修正因子。在按式1-8求出之后，采用下式计算新解： Δ 1-9 为大于1的正数。可以采用一维搜索的方法确定，此时将看作n维空间中的搜索方向，希望在这一方向上找到一个更好的近似值，即使不能得到精确解（使的解），但可通过选择使 1-10 这是一个关于的单变量非线性方程。在应用修正的Newton法时，还可以在每经过若干次迭代后再重新计算一个新的，也可达到提高收敛速度的目的。 1